論文の概要: From sparse quantum-computing data to atomistic simulation with universal machine-learning interatomic potentials

• arxiv url: http://arxiv.org/abs/2609.21536v1
• Date: Fri, 18 Sep 2026 09:27:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 18:40:16.955465
• Title: From sparse quantum-computing data to atomistic simulation with universal machine-learning interatomic potentials
• Title（参考訳）: スパース量子計算データから普遍的機械学習原子間ポテンシャルを用いた原子シミュレーションへ
• Abstract要約: 本稿では,量子計算に基づく電子構造計算を機械学習の原子間ポテンシャルに組み込むフレームワークを提案する。 我々は、量子コンピューティングから得られる一連の正確な参照エネルギーを用いて、事前訓練されたDFTベースのuMLIPを洗練する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a framework for incorporating quantum-computing-based electronic-structure calculations into universal machine-learning interatomic potentials (uMLIPs). Rather than constructing an interatomic potential from scratch, we refine a pretrained DFT-based uMLIP using a small set of accurate reference energies obtained from quantum computing. We demonstrate the approach for three chemically distinct applications: the Menshutkin reaction, water adsorption in the metal-organic framework HKUST-1, and CO hopping on a high-entropy-alloy nanoparticle. For the Menshutkin reaction, fine-tuning on gas-phase configurations improves the transition-state energy inside a carbon nanotube but not the product energy. For water adsorption in HKUST-1, fine-tuning with only 14 reference configurations brings adsorption thermodynamics obtained from millions of configurations sampled by Widom insertion into closer agreement with reference values. For CO hopping on an IrPdPtRhRu nanoparticle, the preference for on-top over bridge adsorption is recovered in the finite-temperature free-energy profile obtained from enhanced-sampling molecular dynamics, even though the reference data contain only energies. These results demonstrate that the proposed framework provides a practical route for incorporating quantum-computing calculations into realistic atomistic simulations and that quantum-computing reference data can improve pretrained uMLIPs.
• Abstract（参考訳）: 本稿では,量子計算に基づく電子構造計算を汎用機械学習型原子間ポテンシャル(uMLIP)に組み込む枠組みを提案する。 原子間ポテンシャルをゼロから構築する代わりに、量子コンピューティングから得られる小さな正確な参照エネルギーを用いて、事前訓練されたDFTベースのuMLIPを洗練する。 本研究では, メンシュトキン反応, HKUST-1の吸着, および高エントロピーアロイナノ粒子へのCOホッピングの3つの化学的応用について述べる。 メンシュトキン反応では、ガス相の微細調整により、カーボンナノチューブ内の遷移状態エネルギーは向上するが、生成エネルギーは向上しない。 HKUST-1における水吸着については、14の基準構成しか持たない微調整により、ワイドムによる数百万の組成から得られた吸着熱力学が基準値と密接に一致している。 IrPdPtRhRuナノ粒子上のCOホッピングでは、基準データがエネルギーのみを含むにもかかわらず、強化サンプリング分子動力学から得られる有限温度自由エネルギープロファイルにおいて、オントップ橋上の吸着の嗜好が回復される。 これらの結果は,提案フレームワークが現実的な原子論シミュレーションに量子計算計算を組み込むための実践的な方法を提供し,量子計算参照データが事前学習されたuMLIPを改善することを実証している。

関連論文リスト

• Efficient Quantum Simulation of Non-Adiabatic Molecular Dynamics with Precise Electronic Structure [6.554055153293176]
  ランドウ-ツェナー-サーフェス-ホッピングNAMDに量子適応型拡張を導入する。 サブマイクロハートリー精度のPSS計算プロトコルも開発している。 この研究は、NAMDにおける量子コンピューティングの実践的応用の道を開いた。
  論文  参考訳（メタデータ） (2025-12-02T03:34:00Z)
• Quantum Simulation of Ligand-like Molecules through Sample-based Quantum Diagonalization in Density Matrix Embedding Framework [0.0]
  この研究は密度行列埋め込み理論(DMET)とサンプルベースの量子対角化(SQD)を組み合わせて、自然配位子のような分子の基底状態エネルギーを計算する。 組込みハミルトンはIBMのイーグルR3超伝導量子ハードウェア上で解決される。 その結果, 試料ベースの量子法は, 強固な埋め込みフレームワークと統合された場合, 化学的に関連する分子系のシミュレーションに向けて, 確実に量子計算を拡張できることが示唆された。
  論文  参考訳（メタデータ） (2025-11-27T06:50:52Z)
• Electron-Electron Interactions in Device Simulation via Non-equilibrium Green's Functions and the GW Approximation [71.63026504030766]
  電子-電子(e-e)相互作用は、量子輸送シミュレーションに明示的に組み込まれなければならない。 この研究は、非平衡条件下でのナノデバイスの大規模原子論的量子輸送シミュレーションを報告した最初のものである。
  論文  参考訳（メタデータ） (2024-12-17T15:05:33Z)
• A self-consistent field approach for the variational quantum eigensolver: orbital optimization goes adaptive [52.77024349608834]
  適応微分組立問題集合型アンザッツ変分固有解法(ADAPTVQE)における自己一貫したフィールドアプローチ(SCF)を提案する。 このフレームワークは、短期量子コンピュータ上の化学系の効率的な量子シミュレーションに使用される。
  論文  参考訳（メタデータ） (2022-12-21T23:15:17Z)
• Quantum transport in interacting nanodevices: from quantum dots to single-molecule transistors [0.0]
  量子ドットデバイスでは、特徴的なエネルギースケール以下の導電率の向上は、コンド一重項の形成のサインである。 我々は、オルタナティブを解析的に導き、量子輸送の定式化を改善した。 新しい定式化は高い精度と計算効率を示す。
  論文  参考訳（メタデータ） (2022-12-19T15:25:16Z)
• A pathway to accurate potential energy curves on NISQ devices [0.483420384410068]
  量子デバイス上で水素分子のポテンシャルエネルギー曲線を計算するための実用的なワークフローを提案する。 提案手法は,数量子ビットしか持たず,基本セットの限界に近い完全な構成相互作用の結果を提供するために外挿方式を用いる。 シミュレーション量子ハードウェアのノイズ特性に制約があるにもかかわらず、現実的な電子相関値の復元が可能であることを示す。
  論文  参考訳（メタデータ） (2022-09-19T11:32:43Z)
• Optimizing Electronic Structure Simulations on a Trapped-ion Quantum Computer using Problem Decomposition [41.760443413408915]
  量子リソースの最小化に重点を置いたエンドツーエンドパイプラインを,精度を維持しながら実験的に実証した。 密度行列埋め込み理論を問題分解法として、イオントラップ量子コンピュータを用いて、電子を凍結せずに10個の水素原子の環をシミュレートする。 我々の実験結果は、量子ハードウェア上で大きな分子を正確にシミュレートする問題分解の可能性の早期実証である。
  論文  参考訳（メタデータ） (2021-02-14T01:47:52Z)
• Multi-task learning for electronic structure to predict and explore molecular potential energy surfaces [39.228041052681526]
  我々はOrbNetモデルを洗練し、分子のエネルギー、力、その他の応答特性を正確に予測する。 このモデルは、すべての電子構造項に対する解析的勾配の導出により、エンドツーエンドで微分可能である。 ドメイン固有の特徴を用いることにより、化学空間をまたいで移動可能であることが示されている。
  論文  参考訳（メタデータ） (2020-11-05T06:48:46Z)
• Benchmarking adaptive variational quantum eigensolvers [63.277656713454284]
  VQEとADAPT-VQEの精度をベンチマークし、電子基底状態とポテンシャルエネルギー曲線を計算する。 どちらの手法もエネルギーと基底状態の優れた推定値を提供する。 勾配に基づく最適化はより経済的であり、勾配のない類似シミュレーションよりも優れた性能を提供する。
  論文  参考訳（メタデータ） (2020-11-02T19:52:04Z)
• OrbNet: Deep Learning for Quantum Chemistry Using Symmetry-Adapted Atomic-Orbital Features [42.96944345045462]
  textscOrbNetは、学習効率と転送可能性の観点から、既存のメソッドよりも優れています。 薬物のような分子のデータセットに応用するために、textscOrbNetは1000倍以上の計算コストでDFTの化学的精度でエネルギーを予測する。
  論文  参考訳（メタデータ） (2020-07-15T22:38:41Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。